### 如何使用 Dockerfile 创建包含 CUDA 12.4 的 Docker 镜像 为了创建一个包含特定版本 CUDA (如 CUDA 12.4) 的 Docker 镜像，可以遵循以下方法构建自定义镜像。这通常涉及编写一个 `Dockerfile` 文件来指定基础镜像以及所需的配置。 #### 使用官方 NVIDIA 基础镜像作为起点 NVIDIA 提供了一系列预装有不同版本 CUDA 和 cuDNN 的官方容器映像，在此情况下可以选择带有 CUDA 12.4 版本的基础镜像： ```dockerfile FROM nvidia/cuda:12.4.0-ubuntu22.04 ``` 这条指令指定了基于 Ubuntu 22.04 LTS 并集成了 CUDA Toolkit 12.4 的环境作为新镜像的起始点[^2]。 #### 安装额外软件包和支持库 根据应用需求可能还需要安装其他依赖项或工具链。例如如果计划运行 Python 应用程序，则应考虑加入 Miniconda 或 Anaconda 来管理虚拟环境和第三方库: ```dockerfile RUN apt-get update && \ DEBIAN_FRONTEND=noninteractive apt-get install -y --no-install-recommends \ python3-minimal \ python3-pip \ git \ vim \ && rm -rf /var/lib/apt/lists/* # 下载并设置 miniconda RUN wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh && \ bash ~/miniconda.sh -b -p /opt/conda && \ rm ~/miniconda.sh && \ echo "export PATH=/opt/conda/bin:$PATH" >> ~/.bashrc && \ source ~/.bashrc ``` 上述脚本更新了 APT 软件源列表，并安装了一些常用命令行工具；接着下载并静默安装最新版 Miniconda 到 `/opt/conda` 目录下[^1]。 #### 设置工作目录与默认 Shell 为了让后续操作更加方便，还可以设定好工作路径及启动时使用的 shell 类型： ```dockerfile WORKDIR /workspace ENV PATH="/opt/conda/bin:${PATH}" CMD ["bash"] ``` 这里设置了当前的工作区为根文件系统的 `/workspace` 子目录，并确保每次进入容器都能自动加载 Conda 环境变量。 #### 构建最终镜像 完成以上步骤之后保存该文件名为 `Dockerfile`, 接着通过如下命令编译生成新的 Docker 映像： ```shell $ docker build -t my_cuda_image . ``` 其中 `-t` 参数用于给即将创建出来的镜像打标签以便于识别，而最后面那个单独的小数点表示读取当前目录下的 `Dockerfile` 进行处理。